2022.11 Windows系统下配置深度学习环境的一些记录

基础环境

安装 CUDA

直接在官网下载安装，依照界面指示即可。

如果没有条件使用代理，建议先下载好可用的 cuDNN（见下一小节），再下载对应 cuDNN能兼容的 CUDA。

cuDNN

此步骤需要注册为Nvidia Developer，注意选择与前一个步骤中 CUDA 版本匹配的版本。官方网站大概率被墙导致网站打不开，可以尝试使用加速器、手机热点、或者其他人分享的内容。

anaconda

官网 下载安装。注意默认不会添加 anaconda 到 PATH，而且软件不建议这种做法，但个人经验是勾选能减少很多麻烦。

不要在 base 中安装所有的包，更合适的做法是对同类型的任务，甚至每个任务创建独立的环境。创建环境时建议指定一个不是最新的 python 版本，版本太新太久都将影响兼容性，不指定版本则不会安装 pip，导致后续其他操作非常麻烦。

conda create -n  envs_name python==3.9

Pytorch

Pytorch 安装较为简单，进入官网 根据系统和 CUDA 选择合适的版本后，复制下方的 command，在anaconda 对应的 evns 中执行即可。

安装偶尔会存在网络连接不稳定的情况，有条件的建议全程使用代理。

tensorflow

tensorflow2.x

tensorflow2.x 可以直接使用pip安装，默认的 pip install tensorflow 就是对应最新2.x版本。

tensorflow1.x

tensorflow1.x的安装需要显式的指定tensorflow版本，并指定是否为gpu版本。

pip install --upgrade tensorflow==1.15  # 仅支持 CPU 的版本
pip install --upgrade tensorflow-gpu==1.15  # 仅支持 GPU 的版本

如果 Python版本不合适，将提示没有对应的版本。注意对应环境中应安装合适的 Python 版本，对于tensorflow==1.15，实测 Python3.7 或3.8均可成功安装。